CN113159255B - 基于qr码和安全底纹的数字水印防伪方法 - Google Patents
基于qr码和安全底纹的数字水印防伪方法 Download PDFInfo
- Publication number
- CN113159255B CN113159255B CN202110494240.1A CN202110494240A CN113159255B CN 113159255 B CN113159255 B CN 113159255B CN 202110494240 A CN202110494240 A CN 202110494240A CN 113159255 B CN113159255 B CN 113159255B
- Authority
- CN
- China
- Prior art keywords
- counterfeiting
- image
- code
- shading
- logo image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K19/00—Record carriers for use with machines and with at least a part designed to carry digital markings
- G06K19/06—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code
- G06K19/06009—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking
- G06K19/06046—Constructional details
- G06K19/06103—Constructional details the marking being embedded in a human recognizable image, e.g. a company logo with an embedded two-dimensional code
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
- G06Q30/0185—Product, service or business identity fraud
Landscapes
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Entrepreneurship & Innovation (AREA)
- Editing Of Facsimile Originals (AREA)
Abstract
本发明公开了一种基于QR码和安全底纹的数字水印防伪方法，属于商品防伪技术领域，该防伪方法具体步骤如下：(1)生成带有安全底纹的防伪水印LOGO图像；(2)生成QR码；(3)防伪查询；(4)查询次数验证；本发明将生成的安全底纹与原始LOGO图像融合，生成带有安全底纹的防伪LOGO，提高了商品标志的安全性与难复制性，能有效防止虚拟商品LOGO被伪造、模仿和复制，此外本发明通过微信小程序扫描防伪QR码，将带有安全底纹的防伪LOGO图像与数据库中的防伪参考图像进行肉眼一致性对比，同时进行逐比特对比，从而有利于方便消费者进行验证防伪，并且扫描防伪QR码能够获取查询次数，从而有利于防止防伪QR码被重复使用。
Description
技术领域
本发明涉及商品防伪技术领域，尤其涉及基于QR码和安全底纹的数字水印防伪方法。
背景技术
经检索，中国专利号CN103530781A公开了一种基于二维码的商品防伪方法，该发明方法虽然防伪成本低，但防伪技术较为单一且容易伪造，因此商品防伪安全性不高；随着互联网时代的发展，信息化商品的盗版安全问题越来越严重，为了保护品牌的版权，现代电子科技的发展促使互联网等新环境的产生，互联网时代的产品与交易无纸化、虚拟化，随之产生的安全问题也对传统防伪技术提出了新的挑战；因此，发明出基于QR码和安全底纹的数字水印防伪方法变得尤为重要；
现有商品防伪方法大多采用单一的二维码和条形码，由于制作成本的低，受到众多销售产商的青睐，但其也因为防伪安全性较低，常受人诟病；为此，我们提出基于QR码和安全底纹的数字水印防伪方法。
发明内容
本发明的目的是为了解决现有技术中存在的缺陷，而提出的基于QR码和安全底纹的数字水印防伪方法。
为了实现上述目的，本发明采用了如下技术方案：
基于QR码和安全底纹的数字水印防伪方法，该防伪方法具体步骤如下：
(1)生成带有安全底纹的防伪水印LOGO图像：选定风格图像，并利用神经风格迁移算法将其生成安全底纹，同时获取需要防伪的原始LOGO图像，将其与所述安全底纹进行融合，生成带有安全底纹的防伪LOGO图像，同时将其存储于数据库中作为防伪参考图像；
(2)生成QR码：通过微信后台服务器生成一对一的QR码，并利用图像隐写方法将步骤(1)所述带有安全底纹的防伪LOGO图像隐写入QR码中，生成防伪QR码；
(3)防伪查询：通过微信小程序扫描防伪QR码，提取带有安全底纹的防伪LOGO图像，将其与数据库中的防伪参考图像进行肉眼一致性对比，观察其安全底纹纹理是否一致，同时将带有安全底纹的防伪LOGO图像与数据库中的防伪参考图像进行逐比特对比，若有一个像素点的偏差，则证明该防伪QR码经过人为伪造；
(4)查询次数验证：通过防伪QR码进入微信小程序的防伪验证界面获取查询次数以及商品基本信息，若查询次数显示大于0且消费者之前并没有进行查询验证防伪，则表明该防伪QR码受到人为伪造，若查询次数显示等于0，则表明该商品为正品。
优选地，步骤(1)所述原始LOGO图像包含两部分，一部分为LOGO像素点，一部分为白色和几乎白色像素点，所述安全底纹在白色和几乎白色像素点处插入生成，其具体过程如下：
S1：根据下列公式将原始LOGO图像转化为灰度LOGO图像；
Graym,n＝Rm,n*0.299+Gm,n*0.587+Bm,n*0.114 (1)
式中：Gray代表灰度图像像素值，R、G、B分别代表原始LOGO图像像素点在R、G、B通道上的值，Graym,n为灰度LOGO图像在(m,n)位置上的像素值；
S2：将灰度图转化为二值图，先计算灰度图所有像素点的平均值，再将此值作为阈值，大于该阈值的像素值设为255，小于该阈值的则设为0。
优选地，步骤(1)所述带有安全底纹的防伪LOGO图像具体为在某个方向进行几何变换、旋转、放大或缩小的规则抽象形状，其包括内容设计和安全底纹设计。
优选地，步骤(1)所述带有安全底纹的防伪LOGO图像采用VGG19模型训练生成，其具体生成过程如下：
SS1：初始化带安全底纹的LOGO图像为白噪声图像：设x是带有安全底纹的防伪LOGO图像，
是LOGO图像，Xl是x在预训练好的VGG19的第l层的特征表示，/>
是/>
在预训练好的VGG19的第l层表示,其内容响应损失函数如下：
其内容响应误差
的梯度公式如下：
定义内容损失函数公式如下：
其内容响应误差Ex的梯度公式如下：
SS2：对于风格误差，首先计算格拉姆矩阵
为预训练好的VGG19第l层响应的特征图中(h,w)位置上第i个特征映射和第j个特征映射之间的内积，其公式如下：
SS3：定义预训练好的VGG19第l层响应的风格响应损失
和全局风格响应损失ES,分别公式如下：
式中：其中Nl为预训练好的VGG19第l层响应的特征图通道数，Ml为预训练好的VGG19第l层响应的特征图的长与宽的乘积，
为生成图像的格拉姆矩阵，/>
为风格图的格拉姆矩阵,预训练好的VGG19第l层风格响应误差的梯度公式如下：/>
其全局损失函数公式如下：
式中：α和β为加权因子，实践中选择预训练好的VGG19神经网络conv5_2层输出作为内容响应特征，conv1_1，conv2_1，conv3_1，conv4_1和conv5_1层输出为风格响应特征，α取值为7，β取值为1；
SS4：对生成图像的像素运行L-BFGS最优化算法，减小全局损失函数损失值；
SS5：遍历原始LOGO图像，若二值图的像素值为255时，像素值替代为生成图的值，若二值图的像素值为0时，则保留原始像素值，最后得到带有安全底纹的LOGO图像。
优选地，步骤(2)所述图像隐写方法具体为最低有效位算法。
优选地，步骤(3)所述微信小程序使用腾讯云开发服务器搭建，并由微信云开发数据库进行存储、读取与写入数据；所述数据库具体为关系型数据库；所述微信小程序具体为防伪验证系统，其包括用户验证模块和系统管理模块；一对一的QR码由PHP文件对微信小程序的API接口调用实现生成。
优选地，步骤(4)所述商品基本信息具体包括商品价格、商品出售时间、商品真伪和商品扫码次数。
相比于现有技术，本发明的有益效果在于：
1、该基于QR码和安全底纹的数字水印防伪方法，以原始LOGO图像为内容图，选定风格图使用神经风格迁移算法自动生成安全底纹，并将生成的安全底纹与原始LOGO图像融合，生成带有安全底纹的防伪LOGO，从而有利于提高商品标志的安全性与难复制性，能有效防止虚拟商品LOGO被伪造、模仿和复制；
2、该基于QR码和安全底纹的数字水印防伪方法，利用最低有效位(LSB)算法将带有安全底纹的防伪LOGO隐写入QR码中，形成防伪QR码，从而有利于提高商品信息隐秘性；
3、该基于QR码和安全底纹的数字水印防伪方法，提出了一种防伪验证系统，即微信小程序，通过微信小程序扫描防伪QR码，提取带有安全底纹的防伪LOGO图像，将其与数据库中的防伪参考图像进行肉眼一致性对比，观察其安全底纹纹理是否一致，同时将带有安全底纹的防伪LOGO图像与数据库中的防伪参考图像进行逐比特对比，从而有利于方便消费者进行验证防伪；此外，通过微信小程序扫描防伪QR码能够获取查询次数，从而有利于防止防伪QR码被重复使用。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。
图1为本发明提出的基于QR码和安全底纹的数字水印防伪方法的整体流程图；
图2为本发明提出的基于QR码和安全底纹的数字水印防伪方法的整体框架图；
图3为本发明中防伪验证系统总体设计框图；
图4为本发明中关系型数据库的E-R图；
图5为本发明中带有安全底纹的防伪LOGO图像的生成过程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
在本发明的描述中，需要理解的是，术语“上”、“下”、“前”、“后”、“左”、“右”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
参照图1-4，本实施例公开了基于QR码和安全底纹的数字水印防伪方法，该防伪方法具体步骤如下：
(1)生成带有安全底纹的防伪水印LOGO图像：选定风格图像，并利用神经风格迁移算法将其生成安全底纹，同时获取需要防伪的原始LOGO图像，将其与安全底纹进行融合，生成带有安全底纹的防伪LOGO图像，同时将其存储于数据库中作为防伪参考图像；
具体的，原始LOGO图像包含两部分，一部分为LOGO像素点，一部分为白色和几乎白色像素点，安全底纹在白色和几乎白色像素点处插入生成，其具体过程如下：
S1：根据下列公式将原始LOGO图像转化为灰度LOGO图像；
Graym,n＝Rm,n*0.299+Gm,n*0.587+Bm,n*0.114 (1)
式中：Gray代表灰度图像像素值，R、G、B分别代表原始LOGO图像像素点在R、G、B通道上的值，Graym,n为灰度LOGO图像在(m,n)位置上的像素值；
S2：将灰度图转化为二值图，先计算灰度图所有像素点的平均值，再将此值作为阈值，大于该阈值的像素值设为255，小于该阈值的则设为0。
具体的，带有安全底纹的防伪LOGO图像具体为在某个方向进行几何变换、旋转、放大或缩小的规则抽象形状，其包括内容设计和安全底纹设计，其内容设计是选择原始标志图作为其内容基础，通过不断缩小生成图与标志图的深度神经网络提取特征差距来保留标志图形状，并在最后与原始LOGO图像融合，得到清晰可辨的LOGO；其安全底纹设计是选择具有秘密性的目标元素图像作为风格图像，使用深度神经网络分别对生成图片与目标元素图片特征提取后，缩小在多个层的特征响应差距，使得图像风格迁移，生成安全底纹；
(2)生成QR码：通过微信后台服务器生成一对一的QR码，并利用图像隐写方法将步骤(1)带有安全底纹的防伪LOGO图像隐写入QR码中，生成防伪QR码，具体的，该图像隐写方法具体为最低有效位算法；具体的，该微信小程序使用腾讯云开发服务器搭建，并由微信云开发数据库进行存储、读取与写入数据；数据库具体为关系型数据库；微信小程序具体为防伪验证系统，其包括用户验证模块和系统管理模块；一对一的QR码由PHP文件对微信小程序的API接口调用实现生成。
(3)防伪查询：通过微信小程序扫描防伪QR码，提取带有安全底纹的防伪LOGO图像，将其与数据库中的防伪参考图像进行肉眼一致性对比，观察其安全底纹纹理是否一致，同时将带有安全底纹的防伪LOGO图像与数据库中的防伪参考图像进行逐比特对比，若有一个像素点的偏差，则证明该防伪QR码经过人为伪造；
具体的，该图像隐写方法具体为最低有效位算法；具体的，该微信小程序使用腾讯云开发服务器搭建，并由微信云开发数据库进行存储、读取与写入数据；数据库具体为关系型数据库；微信小程序具体为防伪验证系统，其包括用户验证模块和系统管理模块；一对一的QR码由PHP文件对微信小程序的API接口调用实现生成。
(4)查询次数验证：通过防伪QR码进入微信小程序的防伪验证界面获取查询次数以及商品基本信息，若查询次数显示大于0且消费者之前并没有进行查询验证防伪，则表明该防伪QR码受到人为伪造，若查询次数显示等于0，则表明该商品为正品。
具体的，该商品基本信息具体包括商品价格、商品出售时间、商品真伪和商品扫码次数。
在本实施例中带有安全底纹的防伪LOGO图像采用VGG19模型训练生成，其具体生成过程如下：
SS1：初始化带安全底纹的LOGO图像为白噪声图像：设x是带有安全底纹的防伪LOGO图像，
是LOGO图像，Xl是x在预训练好的VGG19的第l层的特征表示，/>
是/>
在预训练好的VGG19的第l层表示,其内容响应损失函数如下：
其内容响应误差
的梯度公式如下：
定义内容损失函数公式如下：
其内容响应误差Ex的梯度公式如下：
SS2：对于风格误差，首先计算格拉姆矩阵
为预训练好的VGG19第l层响应的特征图中(h,w)位置上第i个特征映射和第j个特征映射之间的内积，其公式如下：
SS3：定义预训练好的VGG19第l层响应的风格响应损失
和全局风格响应损失ES,分别公式如下：
式中：其中Nl为预训练好的VGG19第l层响应的特征图通道数，Ml为预训练好的VGG19第l层响应的特征图的长与宽的乘积，
为生成图像的格拉姆矩阵，/>
为风格图的格拉姆矩阵,预训练好的VGG19第l层风格响应误差的梯度公式如下：/>
其全局损失函数公式如下：
式中：α和β为加权因子，实践中选择预训练好的VGG19神经网络conv5_2层输出作为内容响应特征，conv1_1，conv2_1，conv3_1，conv4_1和conv5_1层输出为风格响应特征，α取值为7，β取值为1；
SS4：对生成图像的像素运行L-BFGS最优化算法，减小全局损失函数损失值；
SS5：遍历原始LOGO图像，若二值图的像素值为255时，像素值替代为生成图的值，若二值图的像素值为0时，则保留原始像素值，最后得到带有安全底纹的LOGO图像。
参照图5，本实施例公开了一种基于QR码和安全底纹的数字水印防伪方法，其中带有安全底纹的防伪LOGO图像的生成过程用算法表示如下：
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (6)
1.基于QR码和安全底纹的数字水印防伪方法，其特征在于，该防伪方法具体步骤如下：
(1)生成带有安全底纹的防伪水印LOGO图像：选定风格图像，并利用神经风格迁移算法将其生成安全底纹，同时获取需要防伪的原始LOGO图像，将其与所述安全底纹进行融合，生成带有安全底纹的防伪LOGO图像，同时将其存储于数据库中作为防伪参考图像；
(2)生成QR码：通过微信后台服务器生成一对一的QR码，并利用图像隐写方法将步骤(1)所述带有安全底纹的防伪LOGO图像隐写入QR码中，生成防伪QR码；
(3)防伪查询：通过微信小程序扫描防伪QR码，提取带有安全底纹的防伪LOGO图像，将其与数据库中的防伪参考图像进行肉眼一致性对比，观察其安全底纹纹理是否一致，同时将带有安全底纹的防伪LOGO图像与数据库中的防伪参考图像进行逐比特对比，若有一个像素点的偏差，则证明该防伪QR码经过人为伪造；
(4)查询次数验证：通过防伪QR码进入微信小程序的防伪验证界面获取查询次数以及商品基本信息，若查询次数显示大于0且消费者之前并没有进行查询验证防伪，则表明该防伪QR码受到人为伪造，若查询次数显示等于0，则表明该商品为正品；
其中，所述带有安全底纹的防伪LOGO图像采用VGG19模型训练生成，其具体生成过程如下：
SS1：初始化带安全底纹的LOGO图像为白噪声图像：设x是带有安全底纹的防伪LOGO图像，
是LOGO图像，Xl是x在预训练好的VGG19的第l层的特征表示，/>
是/>
在预训练好的VGG19的第l层表示,其内容响应损失函数如下：
其内容响应误差
的梯度公式如下：
定义内容损失函数公式如下：
其内容响应误差Ex的梯度公式如下：
SS2：对于风格误差，首先计算预训练好的VGG19第l层响应的特征图中(h,w)位置上第i个特征映射
和第j个特征映射/>
之间的内积，即为格拉姆矩阵/>
其公式如下：
SS3：定义预训练好的VGG19第l层响应的风格响应损失
和全局风格响应损失ES,分别公式如下：
式中：其中Nl为预训练好的VGG19第l层响应的特征图通道数，Ml为预训练好的VGG19第l层响应的特征图的长与宽的乘积，
为生成图像的格拉姆矩阵，/>
为风格图的格拉姆矩阵，wl为预训练好的VGG19第l层响应的特征图的权重，具体地，对于预训练好的VGG19神经网络conv1_1，conv2_1，conv3_1，conv4_1和conv5_1层为/>
其他层为0，预训练好的VGG19第l层风格响应误差的梯度公式如下：
其全局损失函数公式如下：
式中：α和β为加权因子，实践中选择预训练好的VGG19神经网络conv5_2层输出作为内容响应特征，conv1_1，conv2_1，conv3_1，conv4_1和conv5_1层输出为风格响应特征，α取值为7，β取值为1；
SS4：对生成图像的像素运行L-BFGS最优化算法，减小全局损失函数损失值；
SS5：遍历原始LOGO图像，若二值图的像素值为255时，像素值替代为生成图的值，若二值图的像素值为0时，则保留原始像素值，最后得到带有安全底纹的LOGO图像。
2.根据权利要求1所述的基于QR码和安全底纹的数字水印防伪方法，其特征在于，步骤(1)所述原始LOGO图像包含两部分，一部分为LOGO像素点，一部分为白色和几乎白色像素点，所述安全底纹在白色和几乎白色像素点处插入生成，其具体过程如下：
S1：根据下列公式将原始LOGO图像转化为灰度LOGO图像；
Graym,n＝Rm,n*0.299+Gm,n*0.587+Bm,n*0.114 (1)
式中：Gray代表灰度图像像素值，R、G、B分别代表原始LOGO图像像素点在R、G、B通道上的值，Graym,n为灰度LOGO图像在(m,n)位置上的像素值；
S2：将灰度图转化为二值图，先计算灰度图所有像素点的平均值，再将此值作为阈值，大于该阈值的像素值设为255，小于该阈值的则设为0。
3.根据权利要求1所述的基于QR码和安全底纹的数字水印防伪方法，其特征在于，步骤(1)所述带有安全底纹的防伪LOGO图像具体为在某个方向进行几何变换、旋转、放大或缩小的规则抽象形状，其包括内容设计和安全底纹设计。
4.根据权利要求1所述的基于QR码和安全底纹的数字水印防伪方法，其特征在于，步骤(2)所述图像隐写方法具体为最低有效位算法。
5.根据权利要求1所述的基于QR码和安全底纹的数字水印防伪方法，其特征在于，步骤(3)所述微信小程序使用腾讯云开发服务器搭建，并由微信云开发数据库进行存储、读取与写入数据；所述数据库具体为关系型数据库；所述微信小程序具体为防伪验证系统，其包括用户验证模块和系统管理模块；一对一的QR码由PHP文件对微信小程序的API接口调用实现生成。
6.根据权利要求1所述的基于QR码和安全底纹的数字水印防伪方法，其特征在于，步骤(4)所述商品基本信息具体包括商品价格、商品出售时间、商品真伪和商品扫码次数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110494240.1A CN113159255B (zh) | 2021-05-07 | 2021-05-07 | 基于qr码和安全底纹的数字水印防伪方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110494240.1A CN113159255B (zh) | 2021-05-07 | 2021-05-07 | 基于qr码和安全底纹的数字水印防伪方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113159255A CN113159255A (zh) | 2021-07-23 |
| CN113159255B true CN113159255B (zh) | 2023-05-26 |
Family
ID=76873760
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110494240.1A Active CN113159255B (zh) | 2021-05-07 | 2021-05-07 | 基于qr码和安全底纹的数字水印防伪方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113159255B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116975797B (zh) * | 2023-09-25 | 2024-02-23 | 中国科学技术大学 | 一种针对ocr提取攻击的文本内容保护方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2003046806A1 (fr) * | 2001-11-30 | 2003-06-05 | Tian Wen | Procede anti-falsification numerique |
| CN109754037A (zh) * | 2019-01-28 | 2019-05-14 | 成都宇飞信息工程有限责任公司 | 一种基于数字水印二维码的一物一码商品防伪与溯源系统 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI660308B (zh) * | 2018-09-03 | 2019-05-21 | 優仕達資訊股份有限公司 | 電子門票入場驗證防偽系統與方法 |
| CN110689360A (zh) * | 2019-10-18 | 2020-01-14 | 安徽农业大学 | 一种基于水印库的农产品二维码防伪检验方法 |
-
2021
- 2021-05-07 CN CN202110494240.1A patent/CN113159255B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2003046806A1 (fr) * | 2001-11-30 | 2003-06-05 | Tian Wen | Procede anti-falsification numerique |
| CN109754037A (zh) * | 2019-01-28 | 2019-05-14 | 成都宇飞信息工程有限责任公司 | 一种基于数字水印二维码的一物一码商品防伪与溯源系统 |
Non-Patent Citations (1)
| Title |
|---|
| Anti-Fake Technology of Commodity by Using QR Code;Yicheng Zhan;IEEE;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113159255A (zh) | 2021-07-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3336311B2 (ja) | 機械で認識できるコード及びそのエンコーディング／デコーディング方法 | |
| US9406010B2 (en) | Producing, capturing and using visual identification tags for moving objects | |
| US8490863B1 (en) | Secure financial report and method of processing and displaying the same | |
| CN107169776A (zh) | 基于区块链技术的产品认证防伪方法 | |
| CN105550730B (zh) | 一种安全二维码制作方法、解码方法及安全二维码标识 | |
| KR20200084434A (ko) | 초해상도 영상 복원을 위한 기계 학습 방법 | |
| CN205068462U (zh) | 嵌入有机器可读图像的卡、附接卡的产品和连接卡的产品 | |
| CN109815653A (zh) | 一种基于深度学习的pdf文本水印提取及比对方法 | |
| CN113159255B (zh) | 基于qr码和安全底纹的数字水印防伪方法 | |
| CN112088378A (zh) | 图像隐藏信息检测器 | |
| CN108062668A (zh) | 基于后台图片加密识别的二维码支付方法与系统 | |
| CN114998922B (zh) | 一种基于格式模板的电子合同生成方法 | |
| CN113111880A (zh) | 证件图像校正方法、装置、电子设备及存储介质 | |
| CN112183494A (zh) | 基于神经网络的文字识别方法、装置及存储介质 | |
| CN109492735B (zh) | 二维码生成方法及计算机可读存储介质 | |
| KR101509877B1 (ko) | 이미지로부터 생성한 워터마크를 이미지에 삽입하는 기법에 의한 워터마킹 방법 및 장치 | |
| CN116740794B (zh) | 人脸伪造图像鉴别方法、系统、设备及存储介质 | |
| CN110335189A (zh) | 加注防伪信息的方法、装置、计算机设备及存储介质 | |
| CN109710628A (zh) | 信息处理方法及装置、系统、计算机及可读存储介质 | |
| CN115423063B (zh) | 基于微点码的防复印底纹防伪方法和装置 | |
| CN104376523A (zh) | 一种面向谷歌眼镜的图像代码防伪系统构成方法 | |
| JP6270178B2 (ja) | ２次元コード生成方法、２次元コード生成装置、プログラム及び記憶媒体 | |
| CN114330621A (zh) | 一种基于标识信息的二维码防伪方法、装置、存储介质 | |
| KR102096893B1 (ko) | 복제된 이미지의 추적을 위한 식별 코드를 삽입하는 장치 및 방법 | |
| US20040123100A1 (en) | Certificate issuing method and certificate verifying method |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |